波域预测三通道时延双边遥操作

针对波变量方法应用于时延遥操作系统透明性差的问题,提出了将波变量方法与预测技术及三通道遥操作系统结构相结合,在保证时延系统稳定性的基础上提高其透明性。针对主端无力传感器的遥操作系统,建立了一种三通道遥操作双边控制结构,并根据理想透明性条件分析了三通道控制结构的参数选择方法。为了将波变量方法应用于三通道结构,通过合理的力/速度信息组合将三通道结构分割成二端口模型并对此二端口模型的输入输出信息进行了波变换。在主端的波域加上预测器,进一步提高系统的透明性,并设计能量综合器来保证预测器的无源性。最后,从理论上分析了本文方法的透明性和稳定性并进行了实验验证,结果表明:在一定条件下,本文方法能够保证时延系统的稳定性,并具有较好的透明性。

图像预测误差域的动态补偿安全隐写算法

为了保证载密图像嵌入大量信息后的高阶统计安全性,该文将图像马尔可夫链模型推广至图像预测误差域,根据动态补偿的原理提出运用于图像预测误差域的二阶统计保持隐写算法。该算法根据隐写对图像预测误差马尔可夫链模型统计分布的改变情况,指导嵌入函数,运用后嵌入的隐秘信息动态补偿前期嵌入对图像二阶统计特性的改变,从而在不损失嵌入容量的情况下提高隐写的统计安全性。实验表明,该隐写算法在较大容量的数据嵌入过程中,能很好保持图像统计特性,提高隐写安全性。

非线性地震流函数在强震概率增长空间域预测中的应用研究

在ＳＩＰ算法的基础上，确立了地震流函数的定义方法和异常判别准则，定义了９个非线性地震流函数。通过对中国东部近期７次６级以上强震的ＳＩＰ回溯性研究表明，７次强震中的６次落入ＳＩＰ预测空间域内，有震报准率为８６％，ＳＩＰ预测警戒空间域为３２％，Ｒ值评分为０５４，证明非线性地震流函数用于中期地震预测具有较好的前景。

从语域的“预测”功能视角研究大学英语听力教学

大学英语听力被放到一个越来越重要的位置。"语域"理论是Halliday系统功能语言学中一个非常重要的理论。语域主要有两大功能:第一,语域具有反映文化的功能。第二,语域具有预测功能。如何把语域理论的预测功能应用到听力教学中去,是一个仍然值得研究和讨论的课题。

统一计算设备架构下的F-X域预测滤波并行算法

针对传统F-X域预测滤波去除地震资料随机噪声耗时巨大的问题,提出了基于统一计算设备架构(CUDA)的并行算法。首先,对算法进行模块化分析以找到算法的计算瓶颈;然后从每个窗口数据计算相关矩阵、求滤波因子、滤波等步骤入手,使用图形处理器(GPU)将滤波过程分解为多个任务并行处理;最后,对算法进行并行实现,并对相邻滤波窗口的数据冗余读取进行优化以提升算法效率。基于NVIDIA Tesla K20c显卡的实验结果表明,在250×250大小工区的地震数据中,所提并行算法较原串行算法在效率上实现了10.9倍的提升,同时能保证工程中要求的计算精度。

语域预测在听力教学中的应用

语域理论是系统功能语言学中的一个重要理论。系统功能语言学在语境下研究语域,语域和语境是互为预测关系。将语域预测应用到大学英语听力教学可以提高学生的语言意识和元语言能力,从而可以提高学生的听力理解水平。

基于F-X域预测和全变分的串行滤波器

传统的F-X域预测滤波方法在理论上需要假设地震同相轴呈线性,当假设条件不满足时,在分离有效信号和随机噪声时会产生信号畸变。本文提出一种基于F-X域预测滤波和全变分滤波的串行压制噪声方法,对F-X域预测滤波的残差信号进行全变分滤波,并将全变分滤波结果与F-X域预测滤波结果相加作为有效信号的估计。对合成地震数据和实际地震数据的处理结果均表明,相对于F-X域预测滤波法,本文方法在压制随机噪声的同时能更好地保护有效信号,即显著提高信号的保真度。

基于帧内空间域预测的快速纹理逼近算法

H.264标准中推荐的全搜索算法存在计算量大、耗时长的缺点,对此提出了一种基于部分模式进行预测的帧内空间域快速纹理逼近预测算法,并对该算法进行了分析和试验,证明该算法在模式选择上较FS可以提高3～6倍的速度,可有效地提高预测效率。

Wheeler域储层地震预测技术研究

利用常规地震数据进行层序划分、沉积相识别、沉积演化分析及储层预测,因受现今构造趋势的影响,具有较强的多解性.Wheeler域地震资料因具有等时性,地层旋回性清楚、展布范围明了,井震标定后便于层序及体系域划分,易于识别砂体,在进行地层的沉积演化过程分析,可以在相控约束下分析砂体的分布特征、成因,评价有利储层,减少多解性.本文通过正演探讨了同一沉积模式,不同地震频率下的地震成像,研究了不同沉积模式下的Wheeler转换方法,实现了地震资料从常规时间域转换到Wheeler域.通过Wheeler域井震标定,建立起地震地质的联系;拓展性的提出了在地震最小研究单元内,在双域(常规时间域和Wheeler域)进行解释和综合研究的技术流程;建立了基于地震沉积学的储层地震预测技术.并在准噶尔盆地西缘白垩系储层研究进行了应用.经钻井证实,这种基于地震沉积学的Wheeler域储层地震预测技术比较准确,效果良好,值得完善和推广.

基于f-x域预测滤波技术的光纤声传感系统降噪方法研究

本文提出一种基于f-x域预测滤波技术在光纤声传感系统中的应用研究。对f-x域预测滤波技术进行了详细的描述,通过试验分析,表明该技术能有效去除DAS系统中信号的毛刺,使得系统通道间噪声更加平稳,同时能有效的保持信号,提高信噪比。

匀速或匀加速运动目标的位置预测问题的分析

本文提出了一种计算匀速或匀加速运动目标的空间位置分析预测的新理论。这种分析预测新理论与传统理论在预测方法的区别是改变了传统的观测方程和优化法则，增加了模拟方程阶的识别技术。它与传统理论在实际应用上的差别是对作出结论所需要的数据量没有要求，提供的运动目标位置预测值是有直接误差估计的，可提供一组满足不同时间需求的预测计算方法等。

一种层次化网络距离预测机制

网络坐标系统向分布式应用提供了一种高效的网络距离信息获取机制,但现有基于单一度量空间嵌入的距离预测机制难以精确描述因特网复杂的层次结构特征,进而导致较大的距离预测误差.文章提出了一种分域的层次化网络距离预测机制NetPharos,该机制根据因特网结构以及性能特征将其划分为相互独立的核心预测域和边缘预测域,通过相关边缘预测域和核心预测域内预测值迭加获取节点间距离信息.理论分析和仿真实验显示,NetPharos能够有效解决预测过程中短距离和长距离的相互干扰问题,提高预测精度.

工业机器人奇异规避轨迹规划方法

针对激光追踪仪测量工业机器人定位误差测量中出现的六轴机器人运动学奇异问题,提出了奇异区域预测及实时优化的奇异规避轨迹规划方法。以国产配天AIR50-A机器人为研究对象,建立六自由度串联机器人运动学模型,解算机器人笛卡尔空间与关节空间映射关系。基于雅克比矩阵与奇异位形的关系模型,分析和预测机器人运动轨迹中存在的奇异区域。当机器人末端处于奇异区域或奇异预测域时,记录初始关节角序列作为奇异区域轨迹规划输入,利用五次多项式插值方法迭代更新奇异区域内的轨迹路径,机器人既定的运动路径与更新后的奇异规避路径结合形成机器人新的规划轨迹路径,保证机器人关节角运动学参数连续性的同时,规避奇异区域。实验结果表明,提出的奇异预测域及实时优化的奇异规避轨迹规划方法,能够抑制机械臂奇异区域附近关节角速度的激变,减少奇异位形对机器人运动性能的影响。

F-X域复数经验模态分解去噪方法（英文）

F-X域经验模态分解去噪方法在处理非稳态地震数据时存在两个局限,一是单纯剔除第一个固有模态分量将导致有效信号缺失及去噪能力偏弱问题,二是分解复信号时对实部和虚部分别分解存在分解数目不一致的风险。本文对上述两个方面进行了改进,提出了一种新的F-X域投影法复数经验模态分解预测滤波方法,首先采用基于空间投影的复数经验模态分解将F-X域地震数据直接分解为不同的复固有模态分量,然后再对这些分量分别进行F-X域预测滤波。合成记录及实际资料测试表明,本文的新方法能更好地衰减随机噪声,更有效地保持地震信号。

基于语域的大学英语听力教学改革探索与实践

2007年对《大学英语课程教学要求》的修订把英语听力放到一个更重要的位置。但目前听力教学依然是大学英语教学的一个薄弱环节。本文试图采用系统功能语言学的语域理论,从分析语言本身入手,帮助学生提高对听力语篇的语言处理能力,从而提高其听力理解力。

基于一致性预测支持向量机的多分类算法

针对一致性预测支持向量机的多分类问题,提出了两种多分类算法,分别是基于一致性预测一对多支持向量机算法(One-Vs-Rest Support Vector Machine Algorithm Via Conformal Predictors,OVR SVM CP)和基于一致性预测一对一支持向量机算法(One-Vs-One Support Vector Machine Algorithm Via Conformal Predictors,OVO SVM CP)。首先,将多分类问题转化为二分类问题,利用决策函数定义奇异值函数。然后,对这两种算法进行数值模拟实验,并与OVO SVM、OVO LSSVM、OVO TWSVM、HSVM算法相比较。最后,将两种算法应用于6组真实数据集测试其分类预测效果。仿真实验和真实数据应用结果表明,提出的两种算法预测效果较好,相比于其他3种的支持向量机算法有更高的预测准确率。

多域蛋白质残基间距离深度学习预测方法

自然界生物中,大约有超过三分之二的真核蛋白质含有多个结构域.虽然AlphaFold2已经实现了端到端的蛋白质结构预测的重大突破,对于单域的静态蛋白质结构的预测精度几乎达到了实验测定的水平,但是对于多域蛋白质结构的预测精度仍然有待提高.本文提出了一种名为MDDpre的多域蛋白质残基距离预测方法.首先从多序列比对和模板中提取了序列谱、位置熵、互信息、去除背景噪声的互信息、平均接触势能、MSA特征矩阵、行注意力矩阵以及模板域间距离特征,然后设计了一个集合了三角形更新、轴向注意力机制和卷积残差块的网络来预测多域蛋白质的域间和域内距离.在62个多域蛋白质的实验结果表明,MDDpre优于现有的方法,能够有效提升多域蛋白质的残基距离预测精度.

基于负载均衡的MVB周期数据调度优化

针对采用单调速率(RM)调度算法构建的周期扫描表易导致多功能车辆总线(MVB)网络出现负载不均衡的问题,基于MVB网络建立以网络负载不均衡度最小为目标的优化模型;为增加算法的收敛速度,简化算法求解过程,采用基于以平均负载率为中心的预测域的免疫遗传算法对优化模型进行全局最优求解。仿真和试验结果表明:较RM调度算法和其他优化算法,采用所给出的优化模型和算法能够明显减小MVB网络负载的波动;算法具有更快的收敛速度,可以提高MVB网络的负载能力,提升控制系统的性能。

基于CNN的一种错误率可控图像分类算法

传统的卷积神经网络(Convolutional Neural Network,CNN)的预测结果错误率不可控并且不具备置信度衡量,当面对高风险低容错率的问题时,这种方法的预测结果可靠性低.针对这个缺点,基于归纳一致性预测提出一种错误率可控的图像分类算法.该算法通过训练更小的训练集有效缩短了卷积神经网络的训练时间,并根据奇异值函数衡量测试样本与各个类别之间的一致性程度,使得输出结果具有极高的可靠性.实验结果表明,提出的算法能够有效地控制神经网络的预测准确率,并且能够提供具有可靠置信度的预测集合.

基于PDA思想的分布式多传感器融合方法

在传感器观测噪声不一致或有异常数据存在的条件下,分布式数据融合因没有剔除严重偏离真实值的传感器估计值,从而影响下一步的融合估计.对此,利用概率数据互联的思想,设计以融合中心预测值为中心、传感器节点估计值为观测值的预测域,并引入定向概率数据互联,对进入预测域的传感器估计值分配权重.仿真结果表明,利用概率数据互联思想的多传感器有效地实现了数据融合,其融合精度较传统分布式融合有所提高;在异常数据明显的情况下,算法的效果更加显著.